342例肺系疾病患者的语音信号采集和特征分析

摘要

目的:运用现代声学技术,采集和分析肺系疾病患者的声音信号,为肺系疾病的中医辨证提供一定的声诊客观数据。方法:运用“中医闻诊采集系统”采集肺系疾病患者声音样本342例,其中原发性支气管癌79例、慢性支气管炎119例、支气管哮喘144例,另选上海中医药大学在校健康师生102名为正常对照组。运用小波包分析技术对信号分析处理,提取各组样本信号的小波包能量和Shannon熵值特征,通过独立变量非参数检验方法对各组样本的小波包特征参数进行检验,并运用这两种特征进行中医病证的分类识别研究。结果:多个时域频段的小波包能量特征值及Shannon熵值特征差异均有统计学意义(P<0.05),总熵值比较,正常对照组总熵值均低于患病各组。运用本研究得到的小波包能量和Shannon熵值两种特征,分别采用支持向量机和BP(back propagation)神经网络两种方法,对肺系不同证型样本进行分类识别,分类识别准确率分别为83.67%和71.95%。结论:肺系不同病证患者的语音信号特征存在差异,小波包能量和Shannon熵值特征能初步区分肺系常见病证的语音特征,辅助肺系常见病证的临床诊断和辨证;运用支持向量机和小波包能量、Shannon熵值特征进行肺系病证的分类识别,有较好的效果,为中医声诊的分类识别提供新的思路。